美国五名专家发表一篇论文驳斥“根据表情识别情感”的方法论

简介：“AI情感识别”并没有你想象的那么神奇，不要被它误导。

智慧事物7月26日消息，近日，美国五位专家发表论文驳斥“基于面部表情识别情绪”的方法论。这些专家花了两年时间回顾了 1000 多项研究，证明市场上许多依靠面部表情识别情绪的算法缺乏足够的科学依据。

据说这意味着包括微软、谷歌在内的很多公司的“情感识别算法”的原理可能并不严谨，如果应用到招聘、医疗、安检等场景，可能会严重误导用户.

五位美国专家发表论文驳斥“基于表情识别情绪”的方法论

一、 流行情绪识别软件痛：皱眉≠愤怒

由于人工智能 (AI) 广泛用于人类决策，许多开发人员表示已经有可能创建可以解决情绪问题的 AI 工具。

微软、亚马逊和IBM等科技公司都推出了自己的“情感识别算法”。这些产品大多根据面部表情来识别人们的感受，例如，如果人们皱眉、撅嘴、表示生气等。

“情感识别算法”可以应用于多种场景。例如，求职平台软件可以通过自动监测“愤怒”情绪的算法系统，为招聘公司过滤掉情商不达标的候选人。

东北大学心理学教授丽莎·费尔德曼·巴雷特 (Lisa Feldman Barrett) 说：“一些公司声称他们已经可以通过算法识别情绪，但数据显示并非如此。他们的算法可以识别皱眉，但这与检测愤怒不同。” . 包括巴雷特在内的五位科学家花了两年时间在“重新审视人类情绪表达：从人类面部表情识别情绪的方法学挑战”一文中发表他们的发现。（论文原标题：《Emotional Expressions Reconsidered: Challenges to Inferring Emotion From Human Facial Movements》）

研究人员使用面部动作编码系统 (FACS) 来描述成年人的面部结构

二、两年审查 1000 多项研究

这篇论文花了两年时间，作者回顾了 1000 多项不同的研究。五位作者来自东北大学、格拉斯哥大学等机构，都是来自情感科学领域不同理论阵营的杰出科学家。他们受美国心理科学委员会的委托，审查相关研究的证据。“起初，我们不确定我们能否就数据达成一致，但我们做到了，”巴雷特说。

研究表明，人类情感的表达极其丰富和复杂，简单的面部表情很难识别。

“数据显示，当人们生气时，他们皱眉的概率平均不到 30%，”巴雷特说。“所以皱眉不等于愤怒，皱眉只是‘愤怒’的众多表达之一。% 的时候，人们在生气时不会皱眉。关键​​是，当他们不生气时，他们会更频繁地皱眉。”

因此，提供这种“情感识别算法”的公司往往会误导消费者。

“你确定要以此为基础做决定吗？” 巴雷特说。“当你在法庭上，在医院等待诊断，或者在机场通过安检时，你愿意让那 30% 的‘判断’在你身上吗？”

三、承认面部表情是有用的，语言和上下文也应该考虑

当然，按照俗称习惯的社会习俗，人们会主动用表情来表达自己的情绪。然而，人与人面对面交流时，不仅会从面相分析对方的情绪，还会通过衣着、动作等各种因素，将个人经历、传统习俗、人际关系等各种背景信息联系起来。 , 和语言。

该论文认为，情绪研究领域存在多种刻板印象。具体来说，它驳斥了“情感‘指纹’是通过表情获得的”理论。这一理论源于心理学家 Paul Ekman 在 1960 年代的工作。

巴雷特等学者表示哪项是错误的情绪识别，一些理论主张面部表情和情绪之间存在很强的相关性，而这些理论的相关研究大多在方法论上存在缺陷。例如，在演员表达的情况下，演员往往被要求从有限的一组情绪中进行选择，例如“愤怒”来表演，从而以某种方式将这种“愤怒”情绪传达给观众。

当人们被要求根据自己的理解做出表达相同情绪的表情时哪项是错误的情绪识别，这些表情得到的AI判别结果大相径庭

“尽管演员可以选择的抽象情感种类有限，但将这些情感转化为直观的表达方式非常复杂，”巴雷特说。“当一个演员想要表达愤怒时，他可能会哭、喊、笑，或者只是静静地坐着思考复仇计划。你能接受一个演员因“皱眉”而获得奥斯卡奖吗？我相信很少有人人们喜欢看这种表演。

四、要考虑的更多变量和变量优先级

然而，创造“情感识别工具”的公司很少承认人类情感的这些微妙之处。例如，微软在相关产品的宣传中表示，其 AI 情绪识别软件可以“根据面部表情识别八种情绪”。

公司经常说他们的分析基于更多的数据，而不仅仅是面部表情。所以问题是，他们的算法是否对这些数据进行加权，以及他们如何平衡可变权重？

据说“情感识别”市场已经达到200亿美元。业内领先的公司之一 Affectiva 表示，它正试图收集更多的情感表达变量。例如，它引入了一种工具，可以通过结合面部表情和语音来综合测量驾驶员的情绪。其他研究人员也在通过步态识别和眼动追踪来研究情绪识别。

巴雷特认为，通过更丰富的变量分析，我们将能够在未来更准确地识别情绪。“我绝对相信这是可能的，”她说。“但这并不意味着我们不应该阻止当前误导性技术的扩散。”

结论：情绪识别“不简单”，变量的可靠性最关键

当前的一些“情绪识别算法”选择变量不是根据变量的“可靠性”，而是根据变量是否可以测量。“情感识别产品”中使用的机器学习是一种太擅长寻找联系的技术，它会导致各种肤浅的甚至是错误的分析。

例如，一些机构使用机器学习算法，通过分析自己在社交网站上的帖子，洞察自己的“态度”，进而分析保姆的态度与公司财务报告记录的关系，预测股价等等。在。

如果这种具有误导性的“情感识别工具”普及开来，我们可能会慢慢接受它，让它影响我们的社会人格发展过程。社会学家查尔斯·霍顿·库利认为，外界的期望和评价是一面镜子，人类会按照“镜子里的我”行事，使自己符合外界的期望和评价。误导性的“情绪识别工具”就像一面“假镜子”。当人们看到他们的表情被线性解释时，他们逐渐相信这是真的。

巴雷特说，也许这篇论文的最大价值在于避免我们过度简化对人类情感的理解。情绪的表达是多样的、复杂的和上下文相关的。

论文链接：+domain/10.1177%2F1529100619832930-FREE/pdf